跟着全世界内光伏装机容量的继续敏捷添加，光伏发电易受多种气候要素影响所表现出的显着间歇性与高度随机性，对其并入电网从而影响电力系统安稳性的状况日益凸显，成为亟待解决的核心问题。因而，准确猜测光伏发电的输出才能，不仅是电力出产高效规划与资源合理分配的条件，也是保证混合电力系统全体可靠性、优化电网调度战略及保护电网安稳运转不可或缺的关键环节。

  近来，中国科学院青岛生物动力与进程研讨所泛动力大数据与战略研讨中心初次将光伏物理建模关键步骤生成的中心变量作为输入的一部分以进行数据增强，提出了一个依据Transformer的全新模型——并行时刻特征信息提取网络PTFNet。相关研讨成果发表于《使用动力》。

  PTFNet模型使用依据卷积交互结构的时刻依靠提取模块和依据自注意力机制的特征间依靠提取模块，用于拟合输入数据的时刻特性和特征间相关特性，并经过多层次的堆叠完结对信息的深层提取。提取的时刻依靠和特征间依靠用于进行终究的猜测。

  试验依据成果得出，PTFNet模型获得了最佳的全体猜测才能，在15分钟等级的数据上，该模型对未来36h光伏发电出力猜测的均方根差错下降9.1%-26.8%，决定系数到达0.93。此外，该模型猜测成果在电网运营商所需求的准确性目标为92.82%，超越其他同类模型。

  本研讨经过奇妙交融天然科学研讨范式和AI研讨范式建立了传感器丈量特征，加强了气候预报特征与光伏功率特征之间的深度相关，完结了对多源数据的充沛的使用，显着提升了光伏功率猜测的准确性，对AI从非解释性研讨向可解释性研讨前进含义深远。

  该作业由青岛动力所泛动力大数据与战略研讨中心主任田亚峻研讨员掌管完结，得到了山东动力研讨院、山东省天然科学基金、青岛博士后赞助项目和中国工程院院地合作项目的支撑。